西安便民信息发布平台深圳谷歌seo公司
这篇文章介绍一下PPTAgent，一个从文档自动生成演示文稿的创新系统。该系统从人类的展示创作方法中汲取灵感，采用两步流程来确保卓越的整体质量。此外，本文还介绍了PPTEval，这是一个综合评估框架，可以跨多个维度评估演示文稿。
ppt agengt
部署使用
为了快速测试，可以使用resource/test/test_（pdf|template）中的示例来节省预处理时间。
建议及要求
| 类别 | 详情 |
|---|---|
| LLM推荐语言模型 | 语言模型：70B+非推理模型（Qwen2.5-72B-Instruct），用于生成任务。 视觉模型：7B+参数（Qwen2-VL-7B-Instruct），用于字幕任务。 |
| 系统需求 | 在Linux和macOS上测试，不支持Windows。 至少8GB RAM，建议使用CUDA或MPS支持以获得更好的性能。 所需依赖项：LibreOffice、poppler-utils （conda: poppler）和NodeJS。 |
Docker部署
使用远程服务器时，请确保8088和9297两个端口都被转发。
docker pull forceless/pptagent
docker run -dt --gpus all --ipc=host --name pptagent \-e OPENAI_API_KEY='your_key' \-p 9297:9297 \-p 8088:8088 \-v $HOME:/root \forceless/pptagent
在本地运行
安装指南
pip install git+https://github.com/icip-cas/PPTAgent.git
pip install git+https://github.com/Force1ess/python-pptx
服务端
在pptagent_ui/backend.py中初始化你的模型：
llms.language_model = LLM(model="Qwen2.5-72B-Instruct-GPTQ-Int4",api_base="http://124.16.138.143:7812/v1"
)
llms.vision = LLM(model="gpt-4o-2024-08-06")
启动前端
注意：后端API端点在src/main.js中配置为axios.defaults.baseURL
cd pptagent_ui
npm install
npm run serve
有关程序化生成的详细信息，请参阅pptagent_ui/backend.py:ppt_gen和test/test_pptgen.py。
项目结构📂
PPTAgent/
├── pptagent/
│ ├── apis.py # API and CodeExecutor
│ ├── llms.py # LLM services initialization
│ ├── presentation.py & shapes.py # Parse PowerPoint files
│ ├── induct.py # Presentation analysis (Stage Ⅰ)
│ ├── pptgen.py # Presentation generation (Stage Ⅱ)
│ ├── layout.py # Definition of the layout in pptxs
│ ├── document.py # Parse and organize markdown document
├── pptagent_ui/ # UI for PPTAgent
| ├── src/ # Frontend source code
│ ├── backend.py # Backend server
├── roles/ # Role definitions in PPTAgent
├── prompts/ # Project prompts
特点✨
- 动态内容生成：创建无缝集成文本和图像的幻灯片
- 智能参考学习：利用现有的演示文稿，而不需要手动注释
- 综合质量评估：通过多个质量指标评估演示文稿
案例研究💡
- Iphone 16 Pro
- Build Effective Agents
PTAgent🤖
PPTAgent遵循两个阶段的方法：
- 分析阶段：从参考报告中的模式中提取和学习
- 生成阶段：开发有结构的轮廓并制作视觉上有凝聚力的幻灯片
我们系统的工作流程如下图所示：
github 仓库地址 ：https://github.com/icip-cas/PPTAgent